Web、メール、LINE、アプリ、店舗など、顧客は様々なチャネルを経由して行動している。顧客一人ひとりに最適化された施策を行うためには、これらの顧客行動データを統合・分析し、顧客理解を深めることが重要だ。「MarkeZine Day 2019 Spring」に登壇したアクティブコアの山田賢治氏は、顧客行動データを「AI×マーケティングオートメーション」で分析・活用して売上を最大化する方法を、多数の事例とともに惜しみなく紹介した。
データ分析・レコメンド・MAをひとつに
アクティブコアでは、データ分析・レコメンド・マーケティングオートメーション(以下、MA)機能をひとつにまとめた「マーケティングクラウド」を提供している。代表取締役社長を務める山田賢治氏は、同社のマーケティングクラウドの特徴を次のように述べる。
「アクティブコアのマーケティングクラウドは、オンライン・オフラインの行動履歴や、年齢・性別などの顧客属性、購買履歴等、散在するすべての顧客データを統合して管理することができます。蓄積したデータを独自開発したAIで分析し、ユーザー毎に最適なタイミングでアプローチします。そして、MAによってメール配信や、LINE、アドネットワーク等への広告配信などを自動化します」(山田氏)
アクティブコアのレコメンド機能は、ディープラーニングを活用することで、ユーザーの特徴・嗜好から「類似ユーザーが好む商品」をレコメンドできることが特徴だ。
「Amazonのレコメンドエンジンなどで採用されている、『これを見た人はこれも買っています』というのを表示する協調フィルタリングとは別に、ディープラーニングで顧客の特徴を洗い出して、その特徴と類似する人の購入データからレコメンドするという独自のレコメンドエンジンをMAに組み込んでいます。当社の利用企業様の比較では、こちらのエンジンのほうが協調フィルタリングと比べてCVRが20%ほど高くなっています」(山田氏)
AI・ディープラーニングで顧客行動を予測する
データ分析にはAIを活用しており、たとえばサイト訪問したら何点、メルマガから流入したら何点というように、AI側でユーザーの行動に重み付けをしていき、コンバージョンする確率などを予測している。顧客属性や商品情報といった「学習データ」とあわせて、購入した人やコンバージョンした人の情報などの「教師データ」を与えることで学習し、AIの分析精度はどんどん上がっていく。
「このとき、教師データを7割ほどAIに教え、予測モデルを作ります。たとえば、そのモデルの正解率を、残りの3割と照らし合わせて確認します。正解率が高ければ、良いモデルと言えます」(山田氏)
山田氏は、化粧品通販の事例を取り上げ、「教師データの量とAIの正解率」の関係を次のように説明する。
「こちらは、最初に無料サンプルを注文してもらって、本購入で初めて費用が発生し、以降は毎月定期購入してもらうというビジネスモデルの企業です。まず流入経路の情報だけをAIに与えると、予測モデルの正解率は15.7%ととても低くなりました。そして購入者に響いた広告が掲載された媒体やキャッチコピーといった情報を与えたところ、29.1%まで上昇。さらにサイト内の閲覧データなどを与えたら、86.2%と予測モデルの正解率が大幅に上がりました」(山田氏)
「当たり前ではありますが、教師データが多ければ多いほど、AIの予測精度も高くなります。様々なデータを統合する意味は、ここにあります。広告だけ、サイトだけとデータが分断していては、分析・予測の精度が低くなるということです」(山田氏)
この記事は参考になりましたか?
- 関連リンク
- この記事の著者
-
平田 順子(ヒラタ ジュンコ)
フリーランスのライター・編集者。大学生時代より雑誌連載をスタートし、音楽誌やカルチャー誌などで執筆。2000年に書籍『ナゴムの話』(太田出版刊)を上梓。音楽誌『FLOOR net』編集部勤務ののちWeb制作を学び、2005年よりWebデザイン・マーケティング誌『Web Designing』の編集を行う。2008年よ...
※プロフィールは、執筆時点、または直近の記事の寄稿時点での内容です
【AD】本記事の内容は記事掲載開始時点のものです 企画・制作 株式会社翔泳社
この記事は参考になりましたか?
この記事をシェア
